Workplace aggression targets’ vulnerability factor: job engagement
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to examine how job engagement affects the experience of workplace aggression and the related outcomes. Job engagement is introduced as a context variable for the stressor-strain model to explain differences for targets of workplace aggression. Design/methodology/approach – A survey was conducted with a sample of 492 North American working adults from a large variety of industries and jobs. Findings – Consistent with the hypotheses, fear and anger mediate the relationship between workplace aggression and strain. Job engagement moderated the relationship between workplace aggression and anger, such that aggression related to anger only for those employees who were engaged in their job. These data are consistent with the suggestion that engagement may create vulnerability for employees. Research limitations/implications – In this study, the authors highlight the need to include contextual factors that may explain differences in impact of workplace aggression and employee wellness. Practical implications – While practitioners may seek to increase job engagement, there appears to be a greater cost should there be workplace aggression. Thus, the key implication for practitioners is the importance of prevention of workplace aggression. Originality/value – With this study, the authors illustrate how job engagement may have a “dark side” for individuals. While previous research has shown that job engagement helps protect employee wellness, others show engagement decreases after incidents of workplace aggression. The authors suggest those who are engaged and targeted will experience worse outcomes. Also, the authors examine the role of anger for targets of workplace aggression as it relates to fear and strain in this study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».